Silicon Labs（亦稱“芯科科技”）工業物聯網產品營銷經理Tristan Cool近期參與工業AI（AI in Manufacturing）雜志的2024年展望專題訪談，針對工業市場的人工智能/機器學習（AI/ML）技術的發展趨勢及相關解決方案進行深入探討。以下通過問答形式整理本次專訪的內容，歡迎參考運用。

Q: 2023年，公司在工業AI領域有怎樣的進展？

Tristan: 芯科科技已經創建了一套完整的硬件和軟件解決方案，可支持開發用于工業市場的工業AI/ML解決方案。具體來說，我們的Sub-GHz、藍牙和802.15.4產品內置了硬件加速功能，可優化邊緣的AI/ML處理，幫助主內核的處理資源分擔處理任務，同時降低能耗。在軟件方面，芯科科技支持TensorFlow Lite，并且開發了先進的機器學習工具包（ML Toolkit）供專業開發人員使用。此外，我們正在持續與不同工業領域專注于AI/ML的伙伴展開合作。我們重點關注的領域包括智能建筑/智能工廠自動化，人員和資產追蹤算法，以及利用音頻標注、慣性測量單元（IMU）振動分析和超音速傳感器輸入進行工業機械異常檢測。

Q: 公司對2024年工業AI的發展有怎樣的愿景？

Tristan: 芯科科技的愿景是確保我們的無線SoC能夠為領先的工業AI/ML應用場景中的邊緣設備提供功耗最低的計算能力和最佳性能。芯科科技正積極與領先的客戶和行業伙伴合作，為預測性維護等應用開發新模型、培訓視頻和軟件示例。芯科科技的SoC系列產品支持在邊緣進行AI/ML操作（無需將大量數據負載傳送到云端），從而擴展了AI/ML應用場景的范圍。這有助于減輕網絡帶寬的壓力，同時減輕主處理器的處理任務。

Q: 能否介紹一下過去一年工業AI行業發展的熱點問題？新概念？新進展？

Tristan: 芯科科技在工業領域的客戶一直專注于訓練AI/ML模型，以適用其應用場景——他們使用了不同的時間記憶（temporal memory）技術，來確保某些預測性應用場景中的學習和監管能力得以優化。在工業市場中，如何高效地擴展和部署越來越大的網絡，以及如何改造現有基礎設施，使其與合作伙伴的新技術更加兼容，仍然存在挑戰。我們看到，在制造業、遠程信息處理和追蹤領域，越來越多的現有應用依賴于更復雜的AI/ML方法。因此，會有越來越多的客戶倚靠對AI/ML的投資，將其作為自己研發過程的關鍵部分。

Q: 工業AI的未來將面對怎樣的技術與應用挑戰？

Tristan: 在工業領域，許多設備都無法輕松訪問，這使得設備的安裝、固件升級、電池更換和調試變得困難。使用AI/ML技術來確保設備得到正確調試、射頻信號強度實現最佳校準以及設備模型得到正確調整，是一個值得探索的新應用場景。工業產品需要兼容越來越多的傳感器數據輸入和通信協議，因此AI/ML有必要成為一種設計工具和終端產品功能，為此提供支持，但同時要確保開發過程、工具套件和代碼大小得到監控，以提高效率。

Q: 如何看待過去一年中國工業AI行業發展？面臨怎樣的挑戰？

Tristan: 自動化工廠制造和智慧城市未來應用等工業應用是中國市場感興趣并且可以取得成功的關鍵領域。這些應用依賴于最佳的效率要求、超大的規模、較低的維護投入和快速學習。在許多應用中，隨著AI/ML計算能力的提高，與硬件層面的安全加密、安全調試、故障保護和防篡改相關的挑戰將變得更加關鍵。

Q: 在工業AI的生態系統中，公司提供怎樣的解決方案？發展愿景？如何解決挑戰？

Tristan: 芯科科技的許多SoC解決方案都集成了矩陣矢量處理器（MatrixVector Processor，MVP）硬件加速功能，同時我們為專業用戶提供了包括ML Toolkit在內的完整軟件解決方案。在為即將推出的芯科科技第三代無線開發平臺不斷提升硬件加速引擎的同時，我們正在與領先的客戶和AI/ML合作伙伴共同開發越來越多的內置軟件示例，以改進開發工具套件，提升部署AI/ML的能力。

芯科科技的設想是，物聯網可以在很多方面發揮作用，不僅是用作通信的數據管道，還可以主動集成到AI/ML流程中，以改善效率、功耗和協議管理。

審核編輯：黃飛